随着多媒体技术的发展,用于传递信息的图像作为一种重要的媒体和手段,其处理技术受到越来越多人的关注和重视。本文以完成一个基于多尺度分析的智能图像压缩算法为指导思想,从变换编码出发,在小波变换(Wavelet Transform)的理论基础上,经过三次尝试,最终实现了满足条件的静态图像压缩算法。首先,本文将支持向量机(Support Vector Machine, SVM)成功引进图像压缩领域,设计并实现了能提高图像压缩倍数的W-SVM图像压缩算法。W-SVM算法虽然可以提高压缩倍数,获得较高的PSNR (Peak Signal Noise Ratio)值,但是其重建图像会出现不同程度的块效应和边缘模糊的现象。针对W-SVM算法的不足,本文用曲波变换(Curvelet Transform)代替了W-SVM算法中的Wavelet变换,实现了基于曲波变换和SVM的图像压缩算法,即C-SVM算法。算法中用到的Curvelet变换,因其支撑区间为满足宽度约等于长度平方的长条形,能“稀疏”表示图像中的奇异曲线,具有各向异性的特点。同样,C-SVM算法虽然在提高压缩倍数方面,表现边缘特征和降低重建图像块效应方面都取得了良好的效果,但是C-SVM算法也存在弊端,那就是算法执行时间长的问题。算法的执行总时间不仅花费在曲波变换的执行阶段,对于SVM本身而言,在处理大数据量时也花费了较长时间。为解决效率问题,本文引入了用于处理大量数据集的核心向量机(Core Vector Machine, CVM),最终设计并实现了基于Curvelet变换和CVM的图像压缩算法,即C-CVM图像压缩算法。实验表明,C-CVM算法提高了图像的压缩倍数,使解码后得到的重建图像具有更高的PSNR值,同时较好地消除了重建图像在边缘和细节位置的模糊和块效应,而算法本身的执行效率也有较大提高。